AIを導入しても会社が変わらない理由――技術より先に壊すべき「組織の壁」
生成AIの性能は、今後も急速に進化していくだろう。
文章を作る。情報を整理する。分析する。提案を考える。システムを操作する。これまで人間が担ってきた仕事の多くを、AIがより高い精度と速度で担えるようになる。
しかし、モデルがどれだけ賢くなっても、企業内でAIが自由に働けるわけではない。
AIが閲覧できる情報には制限がある。操作できる範囲にも権限がある。セキュリティ、個人情報、機密情報、AIガバナンスの観点から、すべての情報や業務を無条件にAIへ開放することはできない。
つまり、AIの性能が向上しても、企業側には制約が残り続ける。
だからこそ、これからの企業競争では、どのAIモデルを使うかだけでなく、制約のあるAIが最大限働けるように、社内オペレーションをどこまで設計できるかが重要になる。
これまで、オペレーションは後回しにできた
大企業は、以前から業務プロセスの標準化や内部統制に多くのコストをかけてきた。
取引量や社員数が増えると、小さな非効率でも全社では大きなコストになる。業務が属人化すれば、ミス、不正、情報漏洩、責任所在の曖昧さも経営リスクになる。
そのため、大企業はBPR、ERP、ワークフロー、権限規程、マスターデータ管理などを通じて、業務を制度とシステムの中へ埋め込んできた。
一方、スタートアップや中小企業では事情が違った。
社員数が少なければ、情報が分散していても詳しい人に聞けばよい。業務手順が曖昧でも、経験者が横で教えられる。会議の結論が文書化されていなくても、参加者が覚えている。
制度が足りない部分を、人間が文脈から読み取り、柔軟に補完していた。
属人的な運営は未熟さでもあるが、小規模な組織では合理性もあった。業務を完全に整備するより、人が間に入って処理する方が、安く、速く、変化にも対応しやすかったからである。
そのため、ベンチャーでは「事業成長が先、内部管理やオペレーションは後」という考え方が成立してきた。
しかし、AIの登場によって、その前提が変わり始めている。
AIは、人間のように暗黙知を補完できない
人間は、情報が散らばっていても、社内の文脈を使って業務を進められる。
この数字は経理のスプレッドシートが正しい。先週の会議で方針が変わった。表向きの手順とは違うが、この顧客だけは例外である。
こうした暗黙知を、人は会話、経験、関係性から理解する。
AIは、人間ほど自由には動けない。
参照権限のない情報は見えない。操作権限のないシステムは動かせない。複数の文書が矛盾していても、どちらを正式情報として扱うべきかは、企業側が決めなければならない。
さらに、情報は一度整理すれば終わりではない。
制度は変わる。顧客情報は更新される。過去の判断が現在も有効とは限らない。古い資料と新しい資料が同時に存在すれば、AIはその違いを安定して判断できない可能性がある。
AIにとって重要なのは、情報量が多いことではない。
どの情報が正しいのか。誰が更新責任を持つのか。いつまで有効なのか。どの範囲まで利用してよいのか。
こうした情報の正当性、鮮度、権限が整理されていることが重要になる。
AI導入とは、ツールを配ることではない
AIを業務へ組み込むには、単に社員へ生成AIのアカウントを配ればよいわけではない。
文書管理、業務フロー、権限設計、データ定義、例外処理、意思決定履歴など、企業活動のさまざまな部分を見直す必要がある。
たとえば、同じ顧客情報がCRM、メール、チャット、個人のメモに分散していれば、AIは一貫した顧客理解を持てない。KPIの定義が部署ごとに異なれば、正しい分析もできない。
業務手順が明文化されていても、実際の運用が異なるなら、AIは書かれている手順と現実のどちらに従うべきか分からない。
AIが働ける環境を作るためには、少なくとも次のような整備が必要になる。
正式な情報源と更新責任を決める
重複する業務フローを整理する
用語、データ、KPIの定義を揃える
閲覧権限と操作権限を設計する
AIが止まり、人間へ判断を返す条件を決める
判断結果と、その根拠を記録する
これは単なるシステム導入ではない。
企業の業務構造そのものを、AIが理解し、参加できる形へ変える仕事である。
AIネイティブ企業は、人を減らすだけではない
AIネイティブな企業の優位性は、人件費を削減できることだけではない。
新興企業は、事業規模が小さいうちに、AIを前提として業務を設計できる。人を採用して業務を割り当てる前に、その仕事をAIが担えないかを考えられる。
その結果、不要な採用を避け、人件費の上昇を抑えられる。
しかし、より重要なのは、本当に人が必要な場所へ人材を集中できることだと思う。
情報収集、集計、転記、資料化、一次分析など、これまでジュニアや管理職が多くの時間を使ってきた業務をAIが担えば、人間は顧客との対話、例外への対応、重要な判断、意思決定へ時間を使える。
AIネイティブ企業とは、単に少人数で安く運営される会社ではない。
人間を、人間にしか担えない場所へ集中配置できる会社である。
理想は、意思決定サイクルを高精度・高頻度で回すこと
管理職や企画職は、意思決定そのものだけをしているわけではない。
意思決定に必要な情報を集める。正誤を確認する。論点を整理する。選択肢を作る。会議資料へ落とす。
実際には、判断に至るまでの前工程に多くの時間を使っている。
AIネイティブなオペレーションの理想形では、この広義の情報収集と判断準備をAIが担う。
AIが必要な情報を集め、矛盾を検知し、一次分析を行い、選択肢やリスクを整理する。前提が変われば、その変化を検知して人間へ知らせる。
人間は、その内容を精査し、何を重視するかを決め、不確実性の中で判断する。そして、その結果に責任を持つ。
重要なのは、判断をAIへ丸投げすることではない。
人間が判断可能な状態になるまでの時間を短くすることである。
従来は月次会議のために人が数字を集めていた。今後は、AIが日常的に情報を更新し、判断が必要になった時点で人へ論点を上げることができる。
企業の強さは、一度の意思決定の精度だけではなくなる。
どれだけ質の高い判断を、どれだけ頻繁に行い、その結果を次の判断へ反映できるか。
AIによって、この意思決定サイクルを高精度・高頻度で回せる会社は、同じ人数でも、より多くの施策を試し、より速く学習できる。
オペレーションは、単なる効率化の手段ではなく、事業成長の速度を決める基盤になる。
企業は三つに分かれていく
AI時代には、企業が大きく三つの状態へ分かれていく可能性がある。
一つ目は、すでに業務、データ、権限、内部統制を一定程度整備している大企業である。
既存オペレーションには複雑さやレガシーがあるが、多額の予算を使い、部門単位でAIを導入できる。全社最適ではなくても、既存システムへAIを追加し、部分的な効果を積み上げられる。
二つ目は、AIネイティブな新興企業である。
まだ業務が複雑化していない段階で、AIが働ける情報環境と業務フローを作れる。人を増やす前にAIを組み込み、少人数のまま事業を拡大できる。
三つ目は、オペレーションが未整備なまま、一定の組織規模まで成長した企業である。
情報は分散し、業務は属人化し、部門も増えている。しかし、大企業ほどAI導入へ予算をかけられず、成長のための採用や営業投資も止められない。
この中間規模の企業が、最も大きな移行リスクを負う可能性がある。
新興企業はゼロから作れる。大企業は資本で導入できる。
中間規模企業だけが、事業成長を続けながら、過去に積み上げたオペレーション負債を返済し、新しい業務構造へ移行しなければならない。
すべてを変えられないなら、何から始めるか
中間規模企業が、全社のオペレーションを一度に作り直すことは現実的ではない。
だからこそ、優先順位が必要になる。
一つは、財務KPIへ影響しやすい業務である。
営業提案、顧客対応、継続率改善、請求、経営数値の集計など、整備によって売上、粗利、人員増加へ影響する領域から始める。
もう一つは、リスク管理上、重要な業務である。
契約、会計、顧客情報、権限管理、法令対応など、誤ったAI利用や属人運用が大きな事故につながり得る領域である。
重要なのは、単にAIを導入しやすい業務から始めることではない。
整備したとき、企業価値への波及が大きい業務を選ぶことである。
議事録やメール作成の効率化は、AIに慣れる入口にはなる。しかし、それだけでは会社の事業構造は変わらない。
AIによってどの業務の処理能力を上げれば、売上、利益、リスク、意思決定速度に大きな変化が生まれるのか。
そこから逆算して、オペレーションを整備する必要がある。
AI投資のROIは、従来の尺度だけでは測れない
AI導入では、しばしばROIが問われる。
工数をどれだけ削減できたか。何人分の人件費を減らせたか。売上がどれだけ増えたか。
もちろん、こうした指標は必要である。
しかし、AI投資の価値は、直接的な財務KPIだけには現れない。
AIがなければ必要だった採用を回避できたかもしれない。人員が増えなかったことで、マネジメント負荷や会議、教育、情報伝達の複雑性も増えずに済んだかもしれない。
情報収集や資料作成が減ったことで、意思決定の回数が増えたかもしれない。市場や顧客への対応が速くなり、競合との差が広がることを防いだかもしれない。
こうした「やらなかった場合との差」は、実績数字には直接現れない。
現在の経営管理は、実際に起きたことを測ることには強い。しかし、投資しなかった世界、採用し続けた世界、AI活用が遅れた世界との比較には弱い。
AI投資を従来の工数削減や単年度利益だけで評価すると、企業能力として蓄積される価値を見落とす。
必要なのは、ROIを問わないことではない。
評価する範囲と時間軸を広げることである。
AIが働けない会社は、相対的に遅くなる
AI導入が遅れた会社も、すぐに事業が成立しなくなるわけではない。
人が情報を集め、資料を作り、業務を処理すれば、これまで通り会社は動く。
しかし、競争は絶対的な速度ではなく、他社との相対的な速度で決まる。
競合が同じ人数で、より多くの顧客へ提案し、より多くの施策を試し、より早く意思決定できるようになれば、従来通りの会社は何も悪化していなくても遅くなる。
人がAI代替可能な業務を担い続けることは、単なる人件費の問題ではない。
人が資料を作っている間に、競合は判断を終える。
人が情報を探している間に、競合は次の施策を試す。
人が問い合わせを分類している間に、競合は商品改善へ反映する。
この小さな差が、意思決定回数と学習回数の差として蓄積していく。
モデル性能が一般化すれば、同じAIを多くの企業が使えるようになる。
そのとき差を生むのは、AIそのものではない。
AIが企業の情報へアクセスし、業務を進め、必要なときだけ人間へ判断を返せる構造を持っているかどうかである。
AI時代の新しい人材育成
AIが定型業務やジュニアレベルの作業を担うようになると、別の問題も生まれる。
これまでジュニアは、情報を集め、資料を作り、上司の判断を見ることで、業務や意思決定を学んできた。
非効率に見える作業にも、経験形成という役割があった。
AIがその仕事を代替すると、若手は早い段階から判断を求められる。しかし、頭がよいだけで意思決定できるわけではない。
判断には、現場の経験、人を動かした経験、失敗、利害調整、結果責任が必要になる。
ジュニア業務をAIが担う時代に、企業はどうやって将来のシニア人材を育てるのか。
従来のように、作業量を積み上げる中で学ばせる方法は通用しなくなるかもしれない。
AIの出力を検証する。小さな判断責任を早く持たせる。人を動かす経験を与える。判断理由を言語化し、結果を振り返らせる。
これまでとは異なる人材育成の設計が必要になるだろう。
現時点で、その答えはまだ見えていない。
しかし、これはAIネイティブな企業経営が抱える、新しい人材開発上の課題になるはずである。
企業の強さは、AIが働ける環境で決まる
AIモデルは、今後も進化する。
しかし、企業内のセキュリティ、権限、情報鮮度、責任、ガバナンスという制約は残り続ける。
だから、モデルの性能向上を待つだけでは、AIを事業成長へ変換できない。
AIが参照すべき情報が整理され、業務フローが明確で、操作できる範囲が設計され、必要な場面では人間へ判断を返す。
その環境を作ることが必要になる。
AI時代の競争は、最も高性能なモデルを導入する競争ではない。
制約付きのハイパフォーマーであるAIが、最大限働ける執務環境をどれだけ早く作れるかという競争である。
これまで、オペレーションは事業成長を支える裏方だった。
これからは、オペレーションそのものが、AIによる事業成長を可能にする生産基盤になる。
AIが企業を強くするのか。
それとも、AIが働けないオペレーションが企業の成長を止めるのか。
その差は、すでに生まれ始めているのだと思う。
【この記事が興味深かった方は、以下記事もおすすめです】
＜おすすめ記事①＞
AIを入れるだけで組織が賢くなるとは限らない。オペレーションの中で思考そのものが薄まる危うさを考えた記事です。
＜おすすめ記事②＞
AIの性能差より、全社員がどんな環境で使えるかが競争力になる。インフラ側から考えたい方はこちら。
＜おすすめ記事③＞
AIが賢くなるほど、最後に企業の差になるのは人間側かもしれない。ボトルネックの視点から考えています。
#AI
#生成AI
#経営戦略
#スタートアップ
#ベンチャー
#業務改革
#オペレーション
#BPR
#経営管理
#組織設計
#note
#毎日note
#毎日投稿
